7.说一下 Python 中的装饰器
原理:利用闭包,将目标函数外面再套一层函数,使得目标函数具有一个新的功能,并且不改变目标函数原有功能。
实现方式:
-
闭包
def decorate(func): def wrapper(): print('新功能') func() return wrapper def func(): print('原有功能') f = decorate(func) f() # 结果为: 新功能 原有功能
-
@ 语法糖
def decorate01(func): def wrapper(): print('新功能') func() return wrapper @decorate01 def func01(): print("原有功能") func01() # 结果为: 新功能 原有功能
8.说一说类属性、实例属性、私有属性和保护属性
类属性相当于全部变量,所有由类创建出来的实例,都可以使用,而实例属性相当于局部变量,只能由该实例自己使用,当类属性与实例属性命名一样时,在调用属性该属性时,会屏蔽掉类属性,而是调用实例属性,这点跟 LEGB 很像。
当通过实例对象来修改类属性时,其实修改的并不是类属性,而是新建了一个跟类属性名一样的实例属性。
Python 中将以两个下划线__
开头,但不以两个下划线结尾的变量,认作为私有属性,Python 通过 name manage
算法,将该私有属性的引用更改为_classname_reference
,这样在用户试图调用该私有属性时,会因为对象引用不一样而找不到该属性,故而实现了「属性私有化」。
在获取实例属性时,一般采用定义一个实例方法的方式获取属性,避免直接对实例属性进行操作,起到一个保护属性的作用。
9.为什么说 Python 是动态语言,鸭子类型是指什么
Python 相当于其他静态语言,可以在代码运行过程中,改变变量的属性。
鸭子类型指的是 Python 不用定义变量类型,只要该变量像是什么类型,那么就认为它就是什么类型,我们更多关注的是它的行为,而不是他的类型。
10.元类是什么
实例都是由类创建出来,而类则是由元类创建出来。他们之间的关系相当于「奶奶-妈妈-孙子」。
示例:
class Myclass():
pass
new = type('NewClass', (Myclass,), {'name': 'new'})
print(new)
print(new.__mro__) # 查看该类的继承情况
# 结果为
<class '__main__.NewClass'>
(<class '__main__.NewClass'>, <class '__main__.Myclass'>, <class 'object'>)
具体点的内容可以参考这篇问答:什么是元类
11.@staticmethod 和 @classmethod 的区别
@staticmethod 是为类添加一个静态方法
@classmethod 是为类添加一个类方法
12.如何动态添加属性
由于 Python 的特性使得程序在运行过程中,我们可以为某个对象添加属性、方法。
示例:
class Myclass:
pass
m = Myclass()
# 为实例动态添加一个属性
m.name = 'new_atribute'
def func(self):
return 'new_function'
# 为实例动态添加一个方法
m.func = func
print(m.name)
print(m.__dict__) # 返回 m 的所有属性,方法
# 结果为
new_atribute
new_function
{'func': <function func at 0x7f9452be12f0>, 'name': 'new_atribute'}
# 另外一种动态添加方法
import types
def func01(self):
print('new_function01')
# 将实例 m 添加一个属性 func,而这个属性指向func()函数,故当调用 m.func 时,也就相当于调用了 func() 函数,间接实现了为 m 添加方法 func()。
m.func = types.MethodType(func, m)
print(m.func())
# 结果为 new_function01
13.对于迭代器和生成器你知道哪些,它们分别应用于什么场景
先介绍什么是可迭代的Iterable
:任何可用于for
循环的都是可迭代的。也可以使用collection
模块下的isinstance(obj, Iterable)
来检验该对象是否可迭代。
示例:
from collections import Iterable
print(isinstance('abc',Iterable))
print(isinstance(123,Iterable))
# 结果为 True,False
迭代器:任何可以使用next()
函数的都是迭代器,也可使用iter()
函数将可迭代对象变为迭代器。
示例:
from collections import Iterator
itr = iter('abc')
print(type(itr))
print(isinstance(itr,Iterator))
# 结果为 Iterator,True
生成器:任何函数中含有yield
关键字的都是生成器,列表生成式中的[]
改为()
也是一个生成器。
示例:
g = [i for i in range(10)]
print(type(g))
# 结果为 list
g1 = (i for i in range(10))
print(type(g1))
# 结果为 generator
def func():
for i in range(10):
yield i
f = func()
print(f)
# 结果为 <generator object func at 0x7f92f5294048>
生成器怎么取值,什么时候结束。
生成器可以通过next(f)
、f.__next__()
和f.send()
三种方式来取值,
示例:
def func01():
for i in range(10):
yield i
f = func()
print(next(f))
print(f.__next__())
print(f.send('hahah'))
# 结果为
0
1
2
其中f.send()
可以向生成器传值,但是其第一次传入的值默认为None
。如果想要取出send('hahah')
里传入的值,则需要在生成器中添加接收的变量。
示例:
def func():
for i in range(10):
# yield i
temp = yield i
print(temp)
f = func()
print(next(f))
print(f.__next__())
print(f.send('hahah'))
# 结果为
0
None
1
hahah
2
生成器里的值被取完之后,或者中间遇到 return
关键字,就会退出,这三种方法有一个共同点:当生成器取完之后会抛出StopIteration
的错误。
而使用for
循环来取出生成器里的值就不会抛出错误,这也是最被推荐的。
应用场景:在生成一个包含很多数(百万级别)的列表时,但是又只用得到其中很小一部分的数时,使用列表生成式会极大的浪费内存,且不一定能够生成,因为受机器内存限制。
而使用生成器则不然,生成器只是在你需要的时候,才会申请一块内存,可以边取边用,极大的降低了内存消耗。
生成器用的最多的地方在于「协程」。由于基于 C 解释器下的 Python 中含有一个 GIL 锁,使得 Pyhon 的多线程是一个假性多线程,这也是为什么很多人说 Python 性能慢的原因。
14.说一下进程、线程、以及多任务(多进程、多线程和协程)
-
进程
-
概念
一个程序对应一个进程,这个进程被叫做主进程,而一个主进程下面还有许多子进程。
-
实现方式
- fork()
- mutiprocessing.Process
- mutiprocessing.Pool
-
优缺点
-
fork()
是计算机最底层的进程实现方式,一个fork()
方法创建出来的进程有两个:主进程、子进程。fork()
创建出来的进程,主进程不会等待子进程。示例:
import os print('current_pid :%d' % os.getpid()) res = os.fork() # 子进程返回的是 0 if res == 0: print('res: %d' % res) print('sub_pid: %d' % os.getpid()) # 主进程返回的是子进程的 pid else: print('main_pid: %d' % os.getpid()) print('res:%d' % res) # 结果为 current_pid :12775 main_pid: 12775 res:12776 res: 0 sub_pid: 12776
-
multiprocessing.Process
multiprocessing
模块通过将fork
方法封装成一个Process
类,该类有一个start()
方法,当调用该方法时,会自动调用run()
方法,开启一个进程。并且由Process
创建出来的进程,可以使用join()
方法,使得主进程堵塞,被迫等待子进程。
-
-
未写完,下一次更新补上